Python数据操作
Python主要通过两个库Pandas和Numpy处理各种格式的数据，在本章中，无涯教程将看到每个库中有关如何处理数据的一些基本示例。
Numpy数据操作
NumPy中定义的最重要的对象是称为ndarray的N维数组类型，它描述了相同类型的元素的集合，可以使用从零开始的索引来访问集合中的元素，ndarray类的可以通过本教程后面介绍的不同的数组创建示例来构造，基于ndarray使用NumPy中的数组函数创建，如下所示-
numpy.array
以下是有关Numpy数据处理的一些示例。
示例1
# more than one dimensions import numpy as np a = np.array([[1, 2], [3, 4]]) print a
[[1, 2] [3, 4]]
示例2
# minimum dimensions import numpy as np a = np.array([1, 2, 3,4,5], ndmin = 2) print a
[[1, 2, 3, 4, 5]]
示例3
# dtype parameter import numpy as np a = np.array([1, 2, 3], dtype = complex) print a
[ 1.+0.j, 2.+0.j, 3.+0.j]
Pandas数据操作
Pandas通过Series，Data Frame和Panel处理数据。
Pandas Series
Series是一维标签的数组，能够保存任何类型的数据(整数，字符串，浮点数，python对象等)，可以使用以下构造函数创建-
pandas.Series( data, index, dtype, copy)
在这里，从一个Numpy数组创建一个序列。
#import the pandas library and aliasing as pd import pandas as pd import numpy as np data = np.array(['a','b','c','d']) s = pd.Series(data) print s
其输出如下-
0 a 1 b 2 c 3 d dtype: object
Pandas DataFrame
DataFrame是二维数据结构，即数据以表格形式在行和列中对齐，可以使用以下构造函数创建pandas DataFrame-
pandas.DataFrame( data, index, columns, dtype, copy)
现在让无涯教程使用数组创建索引的DataFrame。
import pandas as pd data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]} df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4']) print df
其输出如下-
Age Name rank1 28 Tom rank2 34 Jack rank3 29 Steve rank4 42 Ricky
Pandas Panel
Panel是3D数据集合，可以使用以下构造函数创建-
pandas.Panel(data, items, major_axis, minor_axis, dtype, copy)
在下面的示例中，根据DataFrame对象的字典创建面板
#creating an empty panel import pandas as pd import numpy as np data = {'Item1' : pd.DataFrame(np.random.randn(4, 3)), 'Item2' : pd.DataFrame(np.random.randn(4, 2))} p = pd.Panel(data) print p
其输出如下-
<class 'pandas.core.panel.Panel'> Dimensions: 2 (items) x 4 (major_axis) x 5 (minor_axis) Items axis: 0 to 1 Major_axis axis: 0 to 3 Minor_axis axis: 0 to 4
Python数据科学完整目录
祝学习愉快！ (发现内容有误？请选中要编辑的内容 -> 右键 -> 修改 -> 提交！帮助我们改进教程质量)
精选教程推荐
👇 以下精选教程可能对您有帮助，拓展您的技术视野
暂无学习笔记，成为第一个分享的人吧！
您的笔记将帮助成千上万的学习者